中文标注任务规范.docVIP

好消息：科大讯飞勤工助学正式启动！标注平台里，你通过完成标注任务获得积分，将积分兑换成钱，工作人员会在2个工作日内将钱打入你的账户。在学校就能赚钱，还能锻炼自己，何乐而不为呢？ 如果你有意向，请私下发给我几个信息，以便公司的需要和核实。姓名、性别、年龄、手机号码、QQ、学历、职业、城市。请统一编辑好，回复一下，谢谢！机会难得！学，不会16:35:39姓名：黎静性别：女年龄：21学，不会16:36:10手机号码Q:770719116学历：本科职业：学生城市：合肥 余徐兵，男，221083654785，本科，学生，合肥 石玉婷 性别女 年龄22 手机号qq：1252717512 学历：大专 职业：学生 城市：合肥中文标注任务规范1. 标注任务目标 标注任务就是标注声音文件内容，把“内容栏”的文本与音频红框中真实发音修改一致，最终获取到语音正常的声音文件。2. 标注任务方式 标注音频数据总分两大类，好数据、坏数据。好数据指发音人是在与系统对话，且语音波形完整、内容清晰的正常数据；坏数据指无效数据； 内容与音频一致指音频发出内容与内容栏文本完全一致（没有错别字）；内容与音频不一致指音频发出内容与内容栏文本不一致，需要人工操作修改一致。详细说明见下表：数据分类子分类标注方式好数据内容与音频一致无需操作完成本条标注，点击“下一句”内容与音频不一致内容栏文本根据声音文件修改一致，点击“下一句”坏数据无点击“标记不可用”或“配置的快捷键”，继续标注3. 好数据文本录入标准3.1 内容文本要与真实音频发音完全一致，不可增减字、错字；人名、小区名、道路名无法确定用字时，录入准确发音的常用字；3.2 真实发音为“我去哪哪里呀”，“哪”字有重复，就要忠实地录成“我去哪哪里呀”。另由于口音或个人习惯导致的音变，按普通话标注音录入；3.3 多音字或生活中有不同发音的字，也按普通话标注音录入。例如，“办公室”的“室”，有人说成sh，有人说成sh，都录成“办公室”；3.4 对于儿化音，也要忠实于发音录入。例如，发音是“哪儿”，就录成“哪儿”，没有发出儿化音的，就录成“哪”；3.5 发音停顿录入文本连续，不需要空格或添加符号,英文缩写除外；例如，“whats your name”中的撇号必须是英文状态下录入，特殊符号读法“#”录入“井号键”；“*”录入“星号键”；3.6 不允许录入阿拉伯数字，需转换汉字，例如，“1”转”一“或“幺”根据真实发音录入，如读“120”可录入“幺二零”；也可点击【数字转中文】【数值转中文】进行“阿拉伯”到“汉字”转换；3.7 语句中包含英文单词或字母，根据发音录入，字母要大写，字母与字母之间空一格，“单词要小写”，单词与单词之间空一格，汉字与字母或单词之间不需要空格；例如，发音一个字母读“O P P O”则按照字母录入，若是连读“oppo”，则按照单词录入；例如、如“三W点”则根据真实发音录入；3.8 语气词用最常用写法，例如嗯，哦，哎，呃，啊，啦，嘞，吗，嘛（陈述句用）等，识别结果有语气词或“干嘛”不影响语义无需修改。4. 坏数据判断标准 坏数据是指声音文件中出现的非正常语音,语音波形不完整、语音不清晰、纯方言、没有人说话等现象，具体如下：4.1 音频无主发音人类型： 纯环境噪音；两个人对话、纯人声噪音；纯音乐、说唱；纯人声非语音，例如笑，打喷嚏，咳嗽等；纯机器人的声音；4.2 音频有主发音人类型：1) 语音波形不完整现象指语句首字音或尾字音被截，打开音频前后无静音段，从听感上首字音或尾字音不完整，此为截断数据；2) 发音人语音不清晰类型：例如方言、口音严重，除英语以外其他外语；3) 发音人录音效果差：发音人喷麦严重，发音人嘘嗓子说话；4) 设备噪音类型：QQ滴滴音、手机震动音、log音波形大于主说话人且影响识别结果；5) 人声噪音类型